• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1679-1683
• /
• 2008

낙동강 하류지점인 물금은 2003년${\sim}$2005년의 대부분이 부영양화의 기준을 넘고 있다. 하구둑 건설이후, 담수화 된 하구둑 상부에서는 부영양화가 가속화되었다. 수질의 악화는 물론 강 생태계의 구조와 기능의 변화까지 초래되었다. 지난 $7{\sim}8$년 간 낙동강 하류 지역은 갈수기 식물성 플랑크톤 군집의 대거 번성으로 인한 부영양화로 연중 심각한 수질 오염문제를 야기하고 있다. 본 연구는 WASP 7.2 모형과 예측된 동물성플랑크톤을 이용하여 낙동강 유역의 하류 지역인 물금의 부영양화를 예측하는 것이다. 2005년의 관측값을 초기조건으로 고정하고 DO, $NO_3$-N, $PO_4$-P, 기상청에서 예보되는 기온을 사용하여 동물성 플랑크톤을 신경망 모형으로 예측한 뒤, 수온 대신 기상청의 기온을 입력하여 $1{\sim}3$일 후의 단기 수질을 예측하였다. 부영양화 예측결과와 2005년의 월별 수질 관측값을 통계량을 이용하여 분석하였다. $1{\sim}3$일 후의 예측결과 수질항목 중 부영양화의 기준이 되는 클로로필-a, 총 질소, 총 인의 경우는 예측기간 모두 관측값에 적합하게 모의되었다. WASP 7.2 모형의 수질항목 관측자료를 초기값으로 입력하고, 예측된 동물성 플랑크톤의 개체수와 기상청에서 예보되는 기온을 사용한 수질모의는 낙동강의 단기 수질예측에 유의한 의미가 있을 것으로 사료된다.

• 한국강구조학회 논문집
• /
• 제13권5호
• /
• pp.587-597
• /
• 2001

연속체 쉘을 이산화한 구조시스템은 돔형 구조물을 만들기 위해 많이 이용되고 있으며, 이러한 구조물은 하중레벨이 어느 임계값에 도달하면 구조물의 형상에 따라 뜀좌굴(snap-through) 또는 분기좌굴(bifurcation)에 의한 불안정 현상이 일어난다. 케이블 돔의 구조거동 특성은 초기장력 및 외력에 다라 비선형성이 강하게 나타나며 또한 초기조건에 매우 민감하게 반응한다. 본 연구에서는 케이블 돔의 불안정 문제를 파악하기 위해 Geiger 모델을 대상으로 하여 초기 장력도입에 의한 형상결정 문제를 다루고 이를 이용하여 완전형상 및 초기형상 불완전을 도입하여 외력에 의한 불안전성현상을 규명한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.387-389
• /
• 2015

IEEE 802.11e EDCA(Enhanced Distributed Channel Access)는 4개의 AC(Access Category)를 이용하여 트래픽에 따른 우선순위를 부여하고 QoS(Quality of Service)를 제공하기 위해 표준화되었다. EDCA는 이진 백오프 알고리즘을 갖는 CSMA/CA(Carrier Sense Multiple Access with Collision Avoidance) 방법을 이용한다. EDCA에서 패킷 전송에 실패할 경우 경쟁 윈도우 값은 두 배씩 증가 되고, 성공할 경우에는 최소 경쟁 윈도우 값으로 초기화된다. 따라서 경쟁 윈도우 값이 최적의 값을 유지하지 못해 많은 패킷 충돌을 야기하여 네트워크 성능을 감소시킨다. 이 문제를 해결하기 위해 기존에 제안된 논문에서는 패킷 전송 성공 후 경쟁 윈도우 값을 최소 경쟁 윈도우 값이 아닌 채널 혼잡 정도에 따라 계산된 값으로 설정한다. 그러나 이 방법은 트래픽 종류와 상관없이 같은 방법으로 동작하기 때문에 트래픽 종류에 따른 차별적 QoS를 보장하지 않는다. 또한 계산된 경쟁 윈도우 값은 현재 값에 비해 상대적으로 낮은 값을 갖기 때문에 여전히 높은 충돌율을 갖는다. 본 논문에서는 이 문제를 해결하기 위해 새로운 프로토콜을 제안한다. 제안된 방법에서는 네트워크의 혼잡 정도를 잘 반영하기 위한 새로운 경쟁 윈도우 계산 알고리즘을 제시한다. 또한 제안된 알고리즘은 트래픽 종류에 따른 QoS 보장을 위해 트래픽 종류에 따른 차별화 파라미터를 이용한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.89-93
• /
• 2000

구조 적응형 자기구성 지도는 일반적으로 자기구성 지도의 구조가 초기에 결정되어 학습이 끝날 때까지 변하지 않기 때문에 발생하는 문제를 해결하기 위해 지도의 구조를 학습 중에 적절하게 변경시킨다. 이때, 변화된 구조의 가중치를 어떻게 초기화시킬 것인가 하는 것이 중요한 문제이다. 이 논문에서는 기존의 비교사 학습방법에 LVQ 알고리즘을 이용한 교사 학습방법을 결합한 구조 적응형 자기구성 지도 모델에서 유전자 알고리즘을 이용하여 분화된 노드의 가중치를 결정하는 방법을 제안한다. 이 방법은 기존의 구조 적응형 자기구성 지도 알고리즘보다 빠르게 학습되었고, 인식률 면에서도 기존의 방법보다 높은 값을 나타내었으며, 자기구성 지도의 특성인 위상 보존도 잘 이루어졌다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제17권10호
• /
• pp.155-165
• /
• 2012

본 논문은 지금까지 해결하지 못한 NP-Hard 문제들 중의 하나인 외판원 문제를 해결할 수 있는 알고리즘을 제안한다. 제안된 알고리즘은 간선교환 방법을 적용한 발견적 알고리즘이다. 초기해를 구하는 전형적인 방법은 첫 번째 노드부터 가장 인접한 노드를 방문하여 외판원의 경로를 결정하는 방법이다. 본 논문에서는 각 노드의 최소 간선을 선택하여 선택된 간선들 중 최소값을 가진 노드부터 출발하는 Min-Min 방법과 최대값을 가진 노드부터 출발하는 Min-Max 방법을 적용하고 두 방법 중 최소 경로길이를 가진 방법을 초기해로 결정하였다. 초기해로부터 최적해를 구하는 과정은 기존의 2-간선 교환 방법 (2-opt)을 기본적으로 적용하고, 추가로 확장된 3-opt와 4-opt를 제안하였다. 이와 같은 방법을 7개의 실제 데이터들에 적용한 결과 지금까지 알려진 최적해를 빠르고 정확히 구하는데 성공하였다.

• 디지털콘텐츠학회 논문지
• /
• 제17권6호
• /
• pp.449-459
• /
• 2016

본 논문에서는 기존의 인공신경망을 이용한 자동작곡 방법에서 발생한 세 가지 문제점을 개선하는 새로운 방법을 제안한다. 첫 번째 문제는 인공신경망이 출력한 곡의 박자를 음악이론에 맞도록 후처리 하는 것에서 모든 경우를 처리하지 못하여 발생한 문제이다. 두 번째 문제는 음표를 학습하는 인공신경망에 음표와 구분되는 큰 값으로 쉼표를 같이 학습하다보니 음표공간이 왜곡되어 발생하는 문제이다. 마지막 문제는 새로운 곡 작곡 시 사용자가 작곡해서 넣어준 초기 멜로디와 박자가 인공신경망이 출력하는 나머지 멜로디와 박자와 어울리지 못하여 발생하는 문제이다. 본 논문에서는 이러한 문제를 해결하기 위하여 개선된 박자 후처리 알고리즘과 초기 멜로디 처리 방법을 제안하였으며 쉼표용 인공신경망을 새로이 도입하였다. 실험결과 새로 제안한 방법이 기존의 방법에서 발생한 세 가지 문제점을 모두 해결하는 것으로 판명되었다.

• 지구물리와물리탐사
• /
• 제1권1호
• /
• pp.49-56
• /
• 1998

탄성파토모그래피는 고해상의 자료분석을 필요로 하는 환경이나 토목 등 공학적 응용분야에서 지하구조를 결정하기 위해 널리 사용되는 방법이다. 지금까지의 탄성파토모그래피는 대부분 주시역산에 의존해 왔으나 최근에는 파형정보를 이용하는 역산기법들이 활발히 연구되고 있다. 본 연구에서는 이러한 파형정보를 이용하여 음파 매질에서의 이차원 전파형 역산 알고리듬을 개발하였다. 전파형 역산은 Born역산의 약산란장 가정이나 주시역산의 고 주파수 가정이 필요 없는,분해능이 가장 좋은 방법이다. 그러나 초기추정값이 실제 모델과 많이 다를 경우 국부 최소값에 빠진다는 단점이 있다. 본 연구에서는 주시 역산을 통해 배경값을 추정하고 이를 초기추정 값으로 주어 전 파형 역산을 수행하는 알고리듬을 개발하였다. 본 알고리듬을 인공탄성파자료에 적용한 결과, 주시 역산 결과를 전파형 역산의 초기치로 사용할 경우 오차의 수렴속도가 매우 빠르고 분해능이 뛰어난 영상을 제공함을 확인할 수 있었다. 이는 주시역산을 통한 배경값 추정이 전파형 역산의 국부 최소값 문제와 계산 시간의 문제를 효과적으로 해결할 수 있는 방안임을 시사한다. 또한 축소모형실험자료에 대하여 본 알고리듬을 적용한 결과 재구성된 속도구조가 실제 모형과 잘 일치함을 알 수 있었고, 이를 통하여 현장자료에 대한 적용가능성을 확인하였다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2000년도 춘계학술대회 논문집
• /
• pp.180-185
• /
• 2000

발전소 등의 대규모 공정 플랜트에서 사용하고 있는 대부분의 상용 제어기는 PID 제어기이며, 온도 루프를 제외한 대부분의 제어루프가 PI 제어기를 채용하고 있다. 제어 시스템의 성능이 제어기 파라미터의 값에 의해 결정되므로, PI 제어기의 튜닝이 중요하다. 한편, 실제 현장에서의 PI 제어기의 튜닝은 많은 시간과 노력을 필요로 하는 시행착오에 의해서 이루어지고 있으며, 각 제어 루프 제어기 파라미터의 초기값 설정에 어려움을 갖고 있는 실정이다. PI 튜닝 기법이 많이 나와 있지만 시험 신호의 인가 문제로 인해 현장 활용에는 많은 어려움을 가지고 있다. 본 논문에서는 단순한 시험 신호로부터 PI 초기 설정값을 산출할 수 있는 방법에 대해서 알아본다. 또한 발전소에 적용된 국산 분산 제어 시스템을 보면, 대부분 데이터 로깅 시스템으로서만 활용되고 있고, 제어 시스템으로의 활용은 거의 이루어지지 않고 있으며, PID제어기에 대한 구현도 완벽하지 못하여 디지털 PI 제어기의구현 방법에 대한 고찰도 요구되고 있다. 본 논문에서는 디지탈 PI 제어기를 구현하는데 있어서 필요한 사항들, 즉 아날로그 제어기의 디지털 등가 제어기로의 변환 기법, 샘플링 주기의 결정 방법, 그리고 그 외에 공정 제어기가 가져야할 기능들에 대해서 언급한다. 그리고나서 PI 튜닝 기법과 아날로그 제어기의 디지털 등가 제어기로의 변환기법, 샘플링 주기 결정 방법 등에 대해 플랜트 모델을 선정하고 시뮬레이션을 통해 그 효용성을 보인다.

• 응용통계연구
• /
• 제26권5호
• /
• pp.847-856
• /
• 2013

본 연구에서는 Liu 등의 학습 알고리즘과 Wu와 Zhang의 초기 가중값의 범위 설정, 그리고 Gunaseeli와 Karthikeyan의 초기 가중값에 관한 연구 결과를 이용하여 일반화 네트워크를 구할 수 있는 개선된 학습을 제안하고, 최적화된 신경망 학습률들을 이용하여 개선된 학습 과정의 학습효율등을 비교해 본다. 제시된 알고리즘을 이용한 학습에서 학습 초기에는 가장 단순한 학습 패턴과 은닉층으로부터 학습을 시작한다. 신경망 학습과정 중에 지역 최소값에 수렴되는 경우에는 가중값 범위 조정을 통하여 지역 최소값 문제를 해결하고, 지역 최소값으로부터 탈출이 용이하지 않으면 은닉노드를 점차적으로 하나씩 추가하면서 학습한다. 각 단계에서 새롭게 추가된 노드에 대한 초기 가중값의 선택은 이차계획법을 이용한 최적 처리절차를 이용한다. 최적 처리절차는 은닉층의 노드가 추가된 후의 새로운 네트워크에서 학습회수를 단순히 증가시키지 않아도 주어진 학습 허용오차를 만족시킬 수 있다. 본 연구에서 적용한 개선된 알고리즘을 이용하면서 초기 가중값들에 관한 기존 연구들을 적용하면 신경망 학습시의 수렴 정도를 높여주고 최소한의 단순 구조를 갖는 일반화 네트워크로 추정할 수 있게 된다. 이러한 학습률들을 변화시키는 모의실험을 통하여 기존의 연구 결과와의 학습 효율을 비교하고 향후 연구 방향을 제시하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.337-340
• /
• 2003

다층 퍼셉트론(Multi-Layer Perceptron, MLP) 구조를 이용한 비선형 적합은 실제문제에 매우 다양하게 적용되고 있다. 이때 일반화된 MLP 구조의 적합을 위해서는 은닉노드의 개수 초기 가중값 그리고 학습 회수와 같은 구조인자들을 함께 고려해야 한다. 만약 구조인자들이 부적절하게 선택되었다면 일반화된 MLP 구조의 적합효율이 매우 저하될 수 있다. 그러므로 MLP 구조에 영향을 주는 인자들의 영향을 살펴보는 것은 중요한 문제다. 이 논문에서는 제어상자(controller box)를 통한 학습결과와 더불어 MLP 구조를 일반화할 때 영향을 줄 수 있는 구조인자(factor)들의 실증분석과 이들의 상대효과를 살펴본다.